一种融合边缘计算终端的智能化频谱识别系统

本发明涉及无线通信和边缘计算，特别是涉及一种智能化频谱识别系统的实验装置。

背景技术：

1、在万物互联的5g工业物联网背景下，无线通信技术已实现广泛部署与大规模商用，边缘设备和数据量呈指数式增长，根据全球移动通信系统协会和国际数据公司(international data corporation,idc)预测，2025年全球数据量将达到175zb。无线通讯设备与各种软硬件终端接入整个通信系统，可显著提升传输时延、网络带宽、数据安全等性能，而对频谱资源的需求会不断增加。频谱识别技术在移动通信领域中占有重要地位，可有效提高频谱利用率。

2、传统的频谱识别技术主要分为基于假设检验的最大似然估计法和基于特征提取的模式识别方法，该两种方法对调制信号数据集的信噪比参数、数据量以及人为监督依赖度较高。随着深度学习在图像处理和语音识别等领域的快速发展，利用ai融入无线通信实现智能化的研究受到越来越多的关注。深度学习可以在无监督的情况下从无标签和无特征的频谱数据中自动学习，有效应对复杂化的无线频谱环境。

3、现阶段，频谱识别算法大多在pc或服务器端运行，算法受限于平台兼容性和硬件条件而不便于部署。移动边缘计算(mobile edge computing,mec)技术的出现，为频谱识别应用部署带来便利。通信前端及其他智能移动设备在接入网络的同时，完成无线频谱采集、数据预处理、模型计算等任务，对高可靠、低时延的数据处理能力提出更高要求。边缘计算在云计算架构基础上，将部分计算和存储性能转移到边缘端，为频谱识别算法从训练到部署弥补了硬件资源上的空缺。

4、因此，低成本、低时延、小型化和高带宽的智能化频谱识别系统具有重要研究意义。

技术实现思路

1、技术问题：有鉴于此，本发明的目的在于提供一种融合边缘计算终端的智能化频谱识别系统，用以解决在下一代无线通信系统中的动态频谱监测技术领域中，常用的pc端无法快速完成端到端应用部署的问题，该系统同时具备小体积、高性能的特点。本发明提出使用jetson边缘计算平台作为智能化频谱识别终端，以满足该需求，具有低成本、低延迟、智能化和可拓展等优势，同时实现了该系统对多种调制信号的高效监测与识别。

2、技术方案：本发明的一种融合边缘计算终端的智能化频谱识别系统包括：

3、rf前端，其用于接收外部环境中的无线信号，经过下变频、滤波和模数转换得到基带信号，输出至jetson边缘计算终端；

4、jetson边缘计算终端，其用于接收rf前端输出的经过预处理的基带信号，进而结合已部署的深度学习框架实现频谱识别应用；

5、上位机，其用于jetson边缘计算终端的远程登录及总体控制，方便部署多个移动计算终端，完成高密度高性能的整体方案；

6、所述的频谱识别系统使用的上位机通过远程桌面与终端交互，rf前端通过usb或lan与jetson边缘计算终端通信。

7、所述jetson边缘计算终端包括nvidia jetson嵌入式模组、算力载板、边缘计算终端软件和定制结构件；nvidia jetson嵌入式模组通过核心板插槽与算力载板连接，定制结构件作为机械外壳起到散热与防护作用，终端软件为嵌入式模组需要安装的系统等必要软件环境；nvidiajetson嵌入式模组作为完整的系统模组，包括cpu、内存、电源和高低速接口，cpu作为中央处理器，主要处理二进制数据，内存可高速存储这些数据，再由cpu对各个高低速接口发出指令完成数据传输与设备控制；nvidia jetson系列包含多种型号，提供不同性能以应对具体功耗和算力需求，通过外形规格需求进一步整合算力载板的高低速接口，实现小型化、高性能和工业级的边缘计算终端。

8、所述rf前端，包括rf集成收发器、完全可编程soc、高速存储器和高速接口，rf集成收发器接收无线频谱，经过下变频、滤波和ad变换后，形成基带信号由完全可编程soc进一步处理，通过高速接口完成数据输出，而高速存储器可提高整个rf前端数据传输的处理运行速度。

9、所述的上位机配置远程桌面协议即xrdp协议，从而实现对边缘计算终端的访问。

10、所述的算力载板包含1个核心板插槽，nvidiajetson嵌入式模组通过该插槽与算力载板实现互联；所述的jetson边缘计算终端对应算力载板包含3个m.2连接器，插接人工智能ai加速模块、5g模组、wifi网卡和ssd硬盘，拓展系统算力和存储性能；所述的jetson边缘计算终端对应算力载板包含5个10/100/1000m自适应rj45接口，支持千兆以太网通信，满足多路以太网交换设备的连接；所述的jetson边缘计算终端对应算力载板包含2个usb 3.1接口、1个uart接口和1个hdmi 2.0接口，满足基本的系统调试与开发需求；

11、所述的jetson边缘计算终端对应算力载板包含1个dc电源接口和1个poe接口，该poe接口与所述的1个rj45接口共用1个连接器，满足基站或户外仅有局域网环境下的供电需求。

12、所述的的rf前端具有全双工收发射频调制信号、实现双向的模数转换功能，根据需求额外设计射频链路和fpga基带处理模块，以优化射频收发及数据传输性能。

13、所述的频谱识别系统能支持的工作频段主要由rf前端决定，实现sub 6ghz频段的调制信号接收与识别；通过拓展rf前端设计，添加混频、射频开关模块实现工作频段、工作模式的拓展。

14、所述的频谱识别系统，jetson边缘计算终端的软件环境配置包括但不限于gnuradio软件无线电平台、tensorflow或keras深度学习框架。

15、所述的频谱识别系统，jetson边缘计算终端配置有经过预训练的深度学习模型，具体包括：搭建卷积神经网络模型，定义输入层、卷积层、池化层、全连接层和输出层等网络参数；构建调制信号数据集，并划分用作训练、验证和预测；使用数据集对卷积神经网络模型进行迭代训练，使网络收敛至最佳点；当所述模型通过测试后，固定其结构和参数，得到经过预训练的深度神经网络，用于频谱识别的预测实现。

16、所述的频谱识别系统，用于卷积神经网络迭代训练的数据集为时频图样本，图像的二维尺寸契合卷积神经网络的特征输入规格，时频图样本可通过rf前端接收并经过预处理生成，通过数据增强后可用于网络训练。

17、有益效果：本发明的一种融合边缘计算终端的智能化频谱识别系统具有以下优点：

18、现阶段，频谱识别算法研究更为密集，但受到硬件和软件生态的限制，实际系统部署实现较少，难以完成应用落地。本发明通过jetson边缘计算终端提供高性能的ai算力以支持大量的频谱数据处理与模型计算，弥补了传统云计算架构下边缘测不具备高计算性能、网络带宽拥堵和系统传输时延较高等问题，支持b5g/6g场景下靠近基站或局域网环境下的频谱监测，针对rf前端作进一步设计，可拓展至毫米波频段下的宽带信号智能化监测。

技术特征：

1.一种融合边缘计算终端的智能化频谱识别系统，其特征在于，该频谱识别系统包括：

2.根据权利要求1所述的一种融合边缘计算终端的智能化频谱识别系统，其特征在于，所述jetson边缘计算终端(2)包括nvidiajetson嵌入式模组、算力载板、边缘计算终端软件和定制结构件；nvidiajetson嵌入式模组通过核心板插槽与算力载板连接，定制结构件作为机械外壳起到散热与防护作用，终端软件为嵌入式模组需要安装的系统等必要软件环境；nvidiajetson嵌入式模组作为完整的系统模组，包括cpu、内存、电源和高低速接口，cpu作为中央处理器，主要处理二进制数据，内存可高速存储这些数据，再由cpu对各个高低速接口发出指令完成数据传输与设备控制；nvidiajetson系列包含多种型号，提供不同性能以应对具体功耗和算力需求，通过外形规格需求进一步整合算力载板的高低速接口，实现小型化、高性能和工业级的边缘计算终端。

3.根据权利要求1所述的一种融合边缘计算终端的智能化频谱识别系统，其特征在于，所述rf前端(1)，包括rf集成收发器、完全可编程soc、高速存储器和高速接口，rf集成收发器接收无线频谱，经过下变频、滤波和ad变换后，形成基带信号由完全可编程soc进一步处理，通过高速接口完成数据输出，而高速存储器可提高整个rf前端数据传输的处理运行速度。

4.根据权利要求1所述的一种融合边缘计算终端的智能化频谱识别系统，其特征在于，所述的上位机(3)配置远程桌面协议即xrdp协议，从而实现对边缘计算终端的访问。

5.根据权利要求2所述的一种融合边缘计算终端的智能化频谱识别系统，其特征在于，所述的算力载板包含1个核心板插槽，nvidiajetson嵌入式模组通过该插槽与算力载板实现互联；所述的jetson边缘计算终端(2)对应算力载板包含3个m.2连接器，插接人工智能ai加速模块、5g模组、wifi网卡和ssd硬盘，拓展系统算力和存储性能；所述的jetson边缘计算终端(2)对应算力载板包含5个10/100/1000m自适应rj45接口，支持千兆以太网通信，满足多路以太网交换设备的连接；所述的jetson边缘计算终端(2)对应算力载板包含2个usb3.1接口、1个uart接口和1个hdmi2.0接口，满足基本的系统调试与开发需求；所述的jetson边缘计算终端(2)对应算力载板包含1个dc电源接口和1个poe接口，该poe接口与所述的1个rj45接口共用1个连接器，满足基站或户外仅有局域网环境下的供电需求。

6.根据权利要求3所述的一种融合边缘计算终端的智能化频谱识别系统，其特征在于，所述的的rf前端(1)具有全双工收发射频调制信号、实现双向的模数转换功能，根据需求额外设计射频链路和fpga基带处理模块，以优化射频收发及数据传输性能。

7.根据权利要求1所述的一种融合边缘计算终端的智能化频谱识别系统，其特征在于，所述的频谱识别系统能支持的工作频段主要由rf前端(1)决定，实现sub6ghz频段的调制信号接收与识别；通过拓展rf前端设计，添加混频、射频开关模块实现工作频段、工作模式的拓展。

8.根据权利要求1所述的一种融合边缘计算终端的智能化频谱识别系统，其特征在于，所述的频谱识别系统，jetson边缘计算终端(2)的软件环境配置包括但不限于gnuradio软件无线电平台、tensorflow或keras深度学习框架。

9.根据权利要求1所述的一种融合边缘计算终端的智能化频谱识别系统，其特征在于，所述的频谱识别系统，jetson边缘计算终端(2)配置有经过预训练的深度学习模型，具体包括：搭建卷积神经网络模型，定义输入层、卷积层、池化层、全连接层和输出层等网络参数；构建调制信号数据集，并划分用作训练、验证和预测；使用数据集对卷积神经网络模型进行迭代训练，使网络收敛至最佳点；当所述模型通过测试后，固定其结构和参数，得到经过预训练的深度神经网络，用于频谱识别的预测实现。

10.根据权利要求9所述的一种融合边缘计算终端的智能化频谱识别系统，其特征在于，所述的频谱识别系统，用于卷积神经网络迭代训练的数据集为时频图样本，图像的二维尺寸契合卷积神经网络的特征输入规格，时频图样本可通过rf前端接收并经过预处理生成，通过数据增强后可用于网络训练。

技术总结
本发明公开了一种融合边缘计算终端的智能化频谱识别系统，包括：RF前端、Jetson边缘计算终端和上位机。本发明使用RF前端完成无线频谱的接收及信号预处理，利用Jetson边缘计算终端完成用于频谱识别的深度学习模型训练和预测，实时结果可通过远程上位机监测。本发明具有低成本、低时延、工业级尺寸、智能化和可拓展等特点，同时实现了一套软硬件生态对多种调制信号的高效检测与识别。

技术研发人员：田玲,洪伟,张念祖,翟建锋,杨晨,徐壮,王海龙,王小康
受保护的技术使用者：东南大学
技术研发日：
技术公布日：2024/1/15